全文总字数：1637字

1. 研究目的与意义及国内外研究现状

图像中的验证码识别是图像识别中的一种，目的是从通过检测验证码图片中暗、亮的模式确定其形状，然后通过字符识别方法将形状翻译为计算机文字的过程。

ocr包含两大关键技术：文本检测和文字识别。

先将图像中的特征的提取并检测目标区域，之后对目标区域的的字符进行分割和分类。

2. 研究的基本内容

通过python的captcha库生成以及网络爬虫从网上获取大量的验证码作为数据集，对验证码预处理过后使用python和深度学习框架TensorFlow通过大量数据集的训练，提高验证码的识别率。

使用训练后的成熟模型进行验证码图片的识别。

3. 实施方案、进度安排及预期效果

一、实施方案

本系统使用python3 TensorFlow开发框架。本设计要使用python实现一个基于TensorFlow的验证码识别系统，利用TensorFlow对大量的验证码图片数据进行训练以达成高准确率的验证码识别，在研究的过程中具体有以下5个步骤：

1）需求分析：分析本系统制作要求，系统总体实现功能比较简单，操作难度比较低。2）系统分析：系统分析阶段主要对系统进行健壮性分析，建立系统的交互模型。3）系统设计：设计验证码识别系统的模块。4）代码实现：通过代码具体实现验证码识别系统。5）代码测试：测试验证码识别系统的准确性。二、进度：2019年03月01日-2019年03月10日：通过上网或者去图书馆查阅和搜集资料。2019年03月11日-2019年03月31日：完成论文理论部分，实现生成验证码的数据集。2019年04月01日-2019年04月10日：实现验证码识别系统的功能。2019年04月11日-2019年04月25日：进行验证码识别的数据集训练和测试和论文撰写。2019年04月25日-2019年05月01日：论文交予导师检查并给出修改意见，然后进行修改。三、预期效果：验证码识别能够正常进行，并且有较高的识别成功率。

4. 参考文献

[1] 周志华．机器学习．北京：清华大学出版社，2016：1-1．

[2] 美团算法团队．美团机器学习实践．北京：人民邮电出版社，2018：8-1．

[3] 郑泽宇．tensorflow:实战google深度学习框架．北京：电子工业出版社，2018：2-1．